labelimg 分类 两个标签

labelimg是一款图像标注工具，可以用来给图像进行分类、检测、分割等任务的标注。在分类任务中，通常需要给图像打上不同的标签，以便后续的分类任务能够识别出不同的类别。比如在对动物图片进行分类时，可以将猫和狗分别打上"cat"和"dog"这两个标签。

因此，在labelimg中进行分类任务时，需要先定义好不同的类别标签，然后对每张图片进行标注。对于每个标注框，需要指定它属于哪个类别，以及该标注框在图像中的位置和大小等信息。最终得到的标注文件可以用来训练机器学习模型，实现对新的图像进行分类。

如果您需要给一组动物图片进行分类，可以定义两个标签"cat"和"dog"，然后对每张图片进行标注，将其中的猫打上"cat"标签，狗打上"dog"标签。

相关问题

怎么使用labelimg

### 如何使用LabelImg进行图像标注

#### 启动与环境准备
为了顺利使用LabelImg，需先确保已成功安装该工具。完成安装后，通过命令行或其他方式启动程序[^2]。

#### 打开图片目录
进入软件界面之后，在顶部菜单栏找到并点击`File`->`Open Dir`来选取待处理的图片所在文件夹路径。这一步骤允许用户浏览即将用于标注工作的全部素材，并确认这些资源的质量和兼容性状况良好，比如检查分辨率大小以及支持的文件类型等特性是否满足后续操作需求[^3]。

#### 开始创建标签
当一切就绪以后就可以着手定义类别名称了——即所谓的“标签”。对于初次使用者来说，默认情况下会提供一些常见的物体种类供选择；当然也可以根据实际应用场景自定义新的分类项。每选定一张照片作为当前编辑对象时，可通过左侧边栏内的列表快速切换不同的实例样本以便比较分析。

#### 绘制边界框
针对每一个目标实体（例如行人、车辆），利用鼠标拖拽的方式在其周围画出矩形区域，这就是所说的“bounding box”，用来精确限定被标记物的位置范围。绘制完成后记得填写对应的类名信息到指定输入框内，从而建立起两者之间的关联关系[^1]。

# 这里展示的是Python代码片段模拟调用labelImg库函数的例子而非真实语法
from labelimg import create_bounding_box, save_annotation_file

create_bounding_box(image_path='example.jpg', class_name='car')
save_annotation_file(output_dir='./annotations/')

#### 保存成果
随着工作进度推进，务必定期执行数据存储动作以防意外丢失已完成的部分。通常有两种途径可供选用：一是直接按下快捷键Ctrl+S实现即时存盘；二是借助界面上专门设置的相关按钮完成相同功能。最终生成的结果将以特定格式（如XML或TXT）记录下所有的坐标参数及附加描述文字等内容，方便后期进一步加工处理或是导入其他机器学习框架中参与训练模型构建过程。